雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

流动性知道QoS移动云计算框架

一个。谢赫。Ali1 Dr.K.Baskaran2
  1. 研究学者,CSE的部门。,Karpagam University, Coimbatore, Tamilnadu, India1
  2. 副教授,EEE的部门。,Government College of Technology, Coimbatore, Tamilnadu, India2
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

手机的使用在当前场景中增加率。普通人使用iphone等手机,智能手机,苹果iPad等访问互联网服务。Todaya€Ÿ年代新兴移动应用的增长以及云计算的概念;移动云计算(MCC)介绍了作为一个潜在的技术为移动服务。MCC是一种集成的云计算在移动环境中,提高了整体性能的电池寿命等移动设备,存储,等等。MCC仍然面临着很多挑战在移动和计算方面,其中之一就是提供服务质量(QoS),这意味着服务提供者如何保证云服务的QoS。提供QoS在移动云计算是一个具有挑战性的任务。这是因为移动网络的动态特性和资源有限的移动设备,如带宽、延迟、丢包率、电池寿命、存储能力,计算能力,安全,等等。为了克服这个问题,流动意识到QoS移动的框架云计算(MAQFMCC)和流动意识到QoS分析算法(MAQAA)除此之外实现人工神经网络用于建模框架。

关键字
QoS,移动云计算、优质服务、移动服务。

介绍
现今,移动设备如手机、智能手机、平板电脑,等迅速成为人类生活的一个重要组成部分是最有效和方便的通讯工具,不受时间和地点的限制。移动用户从移动应用程序得到各种服务(如iphone应用程序,谷歌应用程序,Android应用程序等等),在设备上运行。在移动云计算(MCC)的发明,移动设备通过无线网络从远程服务器(云服务器)可以访问这些应用程序。移动计算的快速进展(MC)[1]在IT技术的发展成为一个强大的趋势以及商业和工业领域。然而,移动设备正面临着很多挑战在他们的资源(例如:电池寿命、存储和带宽)和通信(例如:流动性和安全性)[2]。有限的资源明显降低了服务的质量。移动云计算面临的挑战在移动和计算、服务质量(QoS)即是其中之一。,一个服务提供者如何保证QoS的云服务。
移动云计算(MCC)被认为是下一代计算基础设施,数据存储和数据处理发生以外的移动设备。移动云应用程序移动远离手机和计算能力和数据存储到云。可以通过移动设备访问云服务,如智能手机、iphone等。它带来了新的类型的服务和设施为移动用户充分云计算的优势。
本文提出一种移动知道QoS移动云计算框架(MAQMCC)和流动意识到QoS分析算法(MAQAA)。第二部分讨论了相关工作。第三部分解释了流动性知道QoS MCC分析算法。数值计算和仿真结果给出了在第四节。结论部分给出了V。

相关工作
云计算的研究工作在云计算架构等各方面,研究云服务、云安全、云服务和管理。彭等[3]提出的QoS意识到移动云服务系统。系统提供了一个QoS框架监控QoS的地位在每个移动终端云服务。该系统还考虑其他因素影响不同的云服务模式关于QoS,如可用性、稳定性等。
一些现有的工作重点是QoS意识到web服务。洛迪等[4]提出了一种中间件架构使服务水平协议(SLA)——推动集群的QoS——意识到应用程序服务器。一些工作关注QoS为云计算架构设计,王等人[5]提出了自适应的QoS管理框架视频点播(视频点播)云服务中心。你们等[6]提出一个框架的QoS和电源管理和移动设备服务云环境。一些工作关注云计算QoS管理机制。李[7]提出的自适应管理云计算虚拟资源的使用反馈控制。肖[8]提出了一种基于声誉的QoS提供云计算通过狄利克雷多项式模型。
现有的工作全面、灵活支持使用QoS属性和QoS服务模式作为运行时QoS的关键参数自适应保证。燕[9]提出了一种自适应控制模型来评估信任,建立,指定并确保系统实体之间的信任关系。所有现有的工作集中于静态移动云计算框架,认为作为静态节点,所有的节点。

流动性知道QOS分析算法
在本节的系统体系结构框架,它的建模和算法已经被详细讨论。
系统架构:
图1显示了一个流动意识到QoS框架的体系结构。系统架构包括三层,手机(客户)、QoS管理器和云服务提供商。在一个移动设备,QoS代理监控移动设备在运行时的状态,例如,传输速率,比例的内存和功耗,丢包率等。QoS的状态将在云边向QoS经理报告。QoS管理器计算的QoS要求客户端和分析需求对云服务模式运行在云边使用移动知道QoS分析算法。也彻底的监视每个服务的流动模式和覆盖的客户使用流动检查每个云服务提供商。根据客户的需求,QoS管理器动态调整资源来满足每个云服务的QoS要求。
b .框架建模:
一个人工神经网络(ANN)已经被用于建模框架。ANN模型包括三层的节点如输入层、隐藏层和输出层。云服务模式的输入层由集(SMj)。隐藏层代表训练算法。我们已经提出了一个训练算法叫做流动性知道QoS分析算法(MAQAA)来分析和选择优质的服务模式根据客户的要求。输出层代表QoS (SMj)每个服务模式的价值。图2显示了框架模型基于ANN。
c .流动性知道QoS分析算法(MAQAA):
该算法的目的是分析所提供的云服务模式(SMj)各种云服务提供商建立不同的QoS参数和选择QoS保证服务模式为客户提供服务。算法使用七QoS参数如传输速率、丢包率、成本、带宽、可靠性、可用性和流动性分析客户的要求提供优质服务。下面讨论的QoS参数变化。
流动性知道QoS分析算法计算QoS价值(μ(SMj)]为每个云服务模式(SMj)基于七QoS参数。QoS计算值,该算法定义了服务模式SMj质量向量的定义是,
方程
MAQAA使用模糊多属性方法[10][11]选择SMj QoS保证服务模式。下面流动意识到QoS分析算法,

MAQAA算法
步骤1:获取QoS参数如传输速率季度、包丢失配给qPLR,带宽qBW qcost成本,可靠性qreliability和可用性qavail SMj所有服务模式。
第二步:检测信号强度的衰落效应和手的移动设备来测量SMj每个服务的流动模式。
步骤3:计算客户端之间的距离和每个服务模式SMj基于流动性。
第四步:构建一个质量q矢量(SMj)使用从步骤1 - 3的值为每个SMj QoS参数为每个服务模式。
问(SMj) ={四分之一(SMj) qPLR (SMj) qBW (SMj) qCost (SMj) qreliability (SMj) qavail (SMj) qmobility (SMj)}
第五步:构建一个质量矩阵Q SMj使用该服务模式。
方程
第六步:规模质量矩阵使QoS参数值的一个公共表示使用公式
方程
方程
为负的QoS参数诸如成本、丢包率、流动性。
方程
积极的QoS参数的带宽,传输速度。
第七步:计算质量向量价值使用质量矩阵为正(g)和负(b) SMj每个服务的QoS参数模式。积极的质量向量QoS参数用„g (SMj)”Qn×7被定义为
g (SMj) = {g1 (SM1), g2 (SM2), g3 (SM3), g4 (SM4), g5 (SM5), g6 (SM6),七国集团(g7) (SM7),八国集团(SM8)} ={马克斯(vi1)、马克斯(vi2)、马克斯(vi3)、马克斯(vi4)、马克斯(vi5)、马克斯(vi6)、马克斯(vi7)、马克斯(vi8)}
质量向量- QoS参数用„b (SMj)”在Qn×7被定义为,
b (SMj) = {b1 (SM1) b2 (SM2), b3 (SM3), b4 (SM4)、b5 (SM5), b6 (SM6), b7 (SM7)、b8 (SM8)} = {Min (vi1)、Min (vi2)、Min (vi3)、Min (vi4)、Min (vi5)、Min (vi6)、Min (vi7)、Min (vi8)}
第八步:计算加权欧氏距离的正面和负面的QoS参数SMj使用公式,每个服务模式服务模式之间的加权欧氏距离(SMj)和消极的QoS参数„b (SMj)”被定义为dneg (SMj)。
方程
服务模式之间的加权欧氏距离(SMj)和积极的QoS参数被定义为dpos (SMj)。
方程
第九步:计算SMj每个服务的QoS价值模式。使用这个公式,QoS服务模式的价值用μ(vi)的定义是,
方程
Where, n 是 服务 模式 的 数量 (SMj),   7 j 1 w 和 wj 代表 j 质量 标准 的 重量
第十步:选择服务模式SMj QoS保证服务模式最大QoS值。
方程

结果分析
在本节中,我们讨论了该算法的数值和仿真结果分析。
计算结果:
我们测试了该算法与8服务模式和7 QoS参数如传输速率(TR),丢包率(PLR),带宽(BW)、成本、可靠性、可用性和流动性。我们把表1中的数据为例,详细说明了算法数值。
该算法MAQAA数学工作了表1中给出的示例数据。在这个例子中所有服务的QoS参数单位模式是一样的。在这个例子中使用的加权向量w = (0.3, 0.1, 0.1, 0.1, 0.1, 0.1, 0.2)。表1 Q矢量构造使用质量。算法的使用步骤6第三节中提到的,质量向量扩展为一个共同表示,简化了数学的过程。按比例缩小的质量矩阵在图3。
根据定义的正面和负面的QoS参数算法,讨论的质量计算向量g和b和下面获得的值。
g (SMj) = {0.56, 0.5, 0.51, 0.89, 0.63, 0.83, 0.51, 0.78}
b (SMj) = {0.25, 0.11, 0.38, 0.53, 0.33, 0.22, 0.17, 0.2}
根据μ的定义(SMj)计算每个服务的QoS价值模式。对于我们的示例QoS值,
μ(SMj) = {0.48, 0.47, 0.56, 0.77, 0.17, 0.38, 0.73, 0.75}。
基于该算法的服务模式最大QoS值被选中作为QoS保证服务模式。所以流动性知道QoS框架选择服务方式SM4 QoS保证服务模式,让服务模式SM4交付服务客户。
b .仿真结果:
我们模拟算法MAQAA使用NS2模拟器任意无线拓扑有20节点和40边缘。仿真的目的是比较算法的性能对其他服务模式选择方法如随机方法(RA)和No-MCC。下面的图表说明了该算法的性能分析MAQAA和其他方法。
视图描述MAQAA算法的比较与其他方法如基于没有no-MCC和随机。的偏移和可用性的服务模式。视图显示MAQAA算法具有更高的可用性的服务模式比其他方法甚至移动的手杀死数量的增加。接下来,MAQAA相比No-MCC和随机的方法基于服务利用率。见图5。
图5显示的服务利用水平MAQAA算法比其他两种方法,因为MAQAA算法考虑每个服务的灵活性和其它QoS参数模式并选择QoS保证服务模式。所以云服务访问的客户可以高度可靠和它导致更高的服务,利用其他方法。

结论和未来的工作
本文提出了一种移动知道QoS移动云计算框架和提出了一个流动意识到QoS分析算法。该算法分析了QoS保证服务模式„n”数量不同的云服务提供商提供的服务模式,让所选供应商向其客户提供云服务。框架7 QoS参数用于分析服务模式包括流动性。这样该算法导致的其他算法考虑到流动性因素每个服务模式和选择QoS保证服务模式。结果表明,该算法提高了可用性和利用云服务与其他类似的服务选择方法。

表乍一看
表的图标
表1

数据乍一看
图1 图2 图3 图4 图5
图1 图2 图3 图4 图5

引用